Académique Documents
Professionnel Documents
Culture Documents
Ministrio da Educao
Universidade Tecnolgica Federal do Paran/Campus Curitiba
Departamento Acadmico de Matemtica
Probabilidade e Estatstica Prof: Silvana Heidemann Rocha
Aluno(a): ___________________________________ Data: ___/___/____
Distribuio de Bernoulli
Distribuio Binomial
Distribuio Hipergeomtrica
Distribuio Geomtrica
Distribuio de Poisson
Binomial e Poisson
Binomial e hipergeomtrico;
2/16
1) Distribuio Uniforme Discreta:
Definio: Uma varivel aleatria X segue o modelo uniforme discreto, denotada por X ~ Ud(M), onde M o
conjunto de valores equiprovveis x1 , x 2 ,..., x n que X assume, se tem funo de probabilidade dada por
P( X = xi ) =
1
,
n
i = 1, 2, ..., n.
1 n
1 n
V(X) = xi2 xi
n i =1
n i =1
1 n
E(X) = xi
n i =1
Exemplo1:
: Lanar um dado no viciado e observar o nmero de pontos da face superior. Seja a varivel aleatria
X definida como o nmero pontos da face superior do dado, isto , X ~ Ud(1, 6), . Obtenha:
a) Afuno de probabilidade de X e seu grfico;
b) A funo distribuio de X e seu grfico;
c) A esperana e a varincia de X. Interprete essas medidas.
d) Por que X uma varivel aleatria?
e) Qual a probabilidade de observarmos um valor entre a mdia e dois desvios padres? Compare
esse resultado com o obtido atravs da desigualdade de Tchebychev.
Exemplo2:
(Cf. MAGALHES et LIMA, p. 69)
bilhetes consecutivos numerados de 21 a 25 e meu colega tem outros 5 bilhetes com os nmeros 1, 11, 29,
68 e 93. Quem tem maior possibilidade de ser sorteado? Justifique.
a) Defina a varivel aleatria X em questo e o modelo de distribuio de probabilidades mais
adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo de distribuio de X e seu respectivo grfico.
d) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
3/16
2) Distribuio de Bernoulli
Definio: Uma varivel aleatria X segue o modelo de Bernoulli com parmetro p, denotada por X ~ Be(p), se
tem funo de probabilidade dada por
V(X) = p(1-p)
Observao:
No modelo de Bernoulli, a varivel aleatria X em geral o nmero de sucessos em uma nica tentativa
do experimento.
Exemplo1:
Uma urna contm apenas 4 bolas vermelhas e 6 brancas. Uma bola extrada, observada sua cor e reposta
na urna. Numa nica extrao somente dois resultados podem ocorrer: bola vermelha ou bola branca.
a) Defina uma varivel aleatria X neste experimento e
4/16
3) Distribuio binomial
Definio: Seja a varivel aleatria X que conta o nmero total de sucessos obtidos numa seqncia de n
ensaios independentes de Bernoulli. A varivel X segue uma distribuio binomial com parmetros n e p,
denotada por X ~ b(n, p), e tem funo de probabilidade dada por
n
P( X = x) = . p x .( 1 p) n x , x = 0, 1, 2, ..., n, com 0 < p < 1
x
onde:
n o n de repeties do experimento;
x o n desejado de sucessos;
n - x o n esperado de fracassos;
p a probabilidade de sucesso num ensaio individual;
1 p a probabilidade de fracasso num ensaio individual;
n
= C n, x = Pn x , n x o n de combinaes de n elementos, tomados x a x.
x
V(X) = np(1-p)
Observaes:
n
A denominao binomial devida aos coeficientes serem os coeficientes do desenvolvimento
x
binomial das potncias de (a + b)n.
5/16
Exemplo2: Uma companhia de avio chegou concluso de que 5% das pessoas que fazem reserva num
dado vo no comparecem ao embarque. Consequentemente, adotou a poltica de vender 70 lugares para
um aparelho de 68 assentos. Qual a probabilidade de que no haja excesso de lotao?
6/16
4) Distribuio hipergeomtrica:
Definio: Numa amostra de tamanho n retirada ao acaso e sem reposio de um conjunto contendo N
elementos, dos quais exatamente K elementos tm a caracterstica A em estudo, seja X a varivel aleatria
que conta o nmero de elementos com a caracterstica A nessa amostra. A varivel X segue o modelo
hipergeomtrico com parmetros N, K, n, denotada por X ~ H(N,K,n), e tem funo de probabilidade
dada por
P( X = x) =
N
n
A
A
C K , x .C ( N K ),( n x )
CN, n
com:
N = 1, 2, 3,...
K = 0, 1, 2, ..., N ,
n =1, 2, ..., N-1
x = mx{0, n+K-N}, ..., min(K,n) e x K
n-x
N-K
E(X) = n.
K
N
Var(X) = n.
K
K N n
(1 ).
N
N N 1
Observaes:
O fator
N n
presente na frmula da varincia denominado fator de correo para populao
N 1
finita.
N n
) representa a correo para a
N 1
7/16
modelo hipergeomtrico, se n for pequeno relativo a N, de modo que
N n
1 , ento a
N 1
distribuio hipergeomtrica pode ser aproximada pela binomial, com ganhos algbricos (clculos
mais fceis), isto , mesmo que a amostragem seja feita sem reposio, pode-se considerar para
fins de clculo uma amostragem com reposio, onde p =
p. 67). Mais
K
(Cf. MONTEGOMERY et RUNGER, 2008,
N
Exemplo1: Num lote de 40 peas h trs que so defeituosas. Qual a probabilidade de, em cinco peas
extradas, se encontrar pelo menos uma pea defeituosa?
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
c) Responda a questo do enunciado.
d) Qual a probabilidade de observarmos um valor entre a mdia e dois desvios padres? Compare
esse resultado com o obtido atravs da desigualdade de Tchebychev.
e) Neste caso, poderamos ter utilizado uma aproximao pelo modelo binomial, considerando
constante a probabilidade de um sucesso individual como p =
3
? Justifique.
40
3
e compare com
40
Exemplo2: Deve-se constituir um comit de quatro pessoas escolhidas entre trs qumicos e cinco fsicos.
Determinar a distribuio de probabilidade do nmero de qumicos no comit. Faa o grfico da funo de
probabilidade de X e o da funo distribuio de X.
8/16
5) Distribuio geomtrica:
Definio: Seja a varivel aleatria X que conta o nmero de tentativas at o aparecimento do primeiro
sucesso numa seqncia de ensaios independentes de Bernoulli. A varivel X com parmetro p, denotada
por X~G(p), tem funo de probabilidade dada por
P ( X = x) = p.(1 p ) x 1 , x = 1, 2, 3,... e 0 < p < 1,
onde:
x = n de tentativas at o aparecimento do primeiro sucesso;
p = probabilidade de sucesso no ensaio individual;
1 p a probabilidade de fracasso no ensaio individual.
1
p
E(X) =
V(X) =
1 p
p
q
, onde q = 1-p
p2
Observaes:
O nome deste modelo decorre do uso da progresso geomtrica (P.G.) para demonstrar que
p( x ) = 1 .
i
i =1
No modelo geomtrico, alguns autores definem a varivel aleatria X como o nmero de fracassos
anteriores ao primeiro sucesso (ou tempo de espera, em termos de ensaios anteriores, para obter o
primeiro sucesso). Nesse caso, a funo de probabilidade de X dada por
P ( X = x) = p.(1 p ) x , x = 0, 1, 2, 3,... , 0 < p< 1.
O modelo geomtrico o nico modelo discreto com a propriedade da falta de memria (MAGALHES,
M.N., 2006, p. 85). Essa propriedade definida como P ( X j + k / X j ) = P ( X k ) , com j e k
inteiros positivos. Isso significa que foram obtidos j fracassos e o primeiro sucesso ainda no ocorreu. Qual
a probabilidade de se ter mais k fracassos at obter o primeiro sucesso? Essa probabilidade,
ento a probabilidade de que ele funcione por mais k unidades de tempo a mesma que a
probabilidade de que um objeto novo funcione por k unidades de tempo.
9/16
Exemplo1: Entre os candidatos a um certo cargo, 15% possuem as qualificaes exigidas pela
empresa contratante. Qual a probabilidade de se ter que entrevistar dez candidatos para encontrar um com
perfil desejado?
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo de distribuio de X e seu respectivo grfico.
d) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
e) Qual a probabilidade de observarmos um valor entre a mdia e dois desvios padres? Compare
esse resultado com o obtido atravs da desigualdade de Tchebychev.
Exemplo2: Entre os candidatos a um certo cargo, 15% possuem as qualificaes exigidas pela empresa
contratante. Num grupo de 15 candidatos, qual a probabilidade de se ter que entrevistar dez candidatos
para encontrar um com perfil desejado?
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo de distribuio de X e seu respectivo grfico.
d) Determine a esperana matemtica e a varincia de X. Interprete essas medidas.
Exemplo3: (MAGALHES, M. N., 2006, p. 84) Uma linha de fabricao de um equipamento de preciso
interrompida na primeira ocorrncia de um defeito. A partir da manuteno, o equipamento tem
probabilidade de 0,01 de apresentar defeito em um dia qualquer. Deseja-se planejar o cronograma de
manuteno preventiva e, para tal, decidiu-se avaliar probabilisticamente a espera at a produo ser
interrompida. Seja X a varivel aleatria que conta o nmero de dias que antecedem a interrupo. Qual
seria o intervalo ideal para uma manuteno preventiva, se desejamos uma probabilidade de, pelo menos
0,90 de que o defeito no ocorrer?
10/16
x 1 k
. p .(1 p ) x k ,
P ( X = x) =
k
1
x 1
= C ( x 1),( k 1) = Px(k11),
1
k
( x k )
E(X) = k .
1
p
V(X) = k .
1 p
q
= k . 2 , onde q = 1-p
2
p
p
Observao:
Se so necessrias x provas para que ocorra o k-simo sucesso, ento o resultado da x-sima prova
deve ser necessariamente um sucesso.
Alguns autores definem a varivel aleatria X como o nmero de fracassos anteriores ao k-smo
sucesso.
Neste
caso,
funo
de
probabilidade
de
dada
Sobre o nome do modelo binomial negativa, ver MAGALHES, M. N., 2006, p. 86.
por
11/16
Exemplo1: Dada uma mquina que produz 20% de peas defeituosas, qual a probabilidade de ter que se
fabricar 8 peas para se conseguir 5 boas?
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Qual a probabilidade de observarmos um valor entre a mdia e dois desvios padres? Compare
esse resultado com o obtido atravs da desigualdade de Tchebychev.
Exemplo3: Uma companhia recebeu uma encomenda para fundir 3 peas complicadas. A probabilidade de
se conseguir um molde adequado 0,4, sendo o molde destrudo quando da retirada da pea. O custo de
cada molde de R$ 500,00 e se o molde no for adequado, a pea refugada, perdendo-se R$ 700,00 de
material.
a) Qual a probabilidade de se fundir no mximo 6 peas para atender a encomenda?
b) Qual o preo a ser cobrado pelo servio para se ter um lucro esperado de R$ 1000,00 na encomenda?
12/16
7) Distribuio de Poisson:
Definio: Uma varivel aleatria X segue o modelo de Poisson de parmetro , denotada por X ~ P( ),
se sua funo de probabilidade for dada por
P( X = x) =
. x e
x!
, x = 0, 1, 2, 3 ... , > 0 ,
onde:
E(X) =
V(X) =
Observaes:
O processo de Poisson: Diz-se que existe um processo de Poisson se pudermos observar eventos
discretos num intervalo contnuo (de tempo, de comprimento, de rea, por exemplo) de maneira tal
que se subdividirmos o intervalo em comprimentos suficientemente pequenos disjuntos:
i) A probabilidade de se observar mais de um sucesso em um subintervalo zero;
ii) A ocorrncia de um sucesso em qualquer subintervalo independente da ocorrncia em
qualquer outro subintervalo disjunto;
iii) A probabilidade de um sucesso em um subintervalo seja a mesma (constante) para todos os
subintervalos e proporcional ao comprimento do subintervalo (isto , o nmero mdio de
ocorrncias por unidade de comprimento do intervalo constante ao longo do intervalo).
Historicamente, o termo processo foi usado para sugerir a observao de um sistema ao longo do
tempo.
O item iii) significa que, por exemplo, se o nmero mdio de falhas por milmetro de um fio de
cobre for 3,4, ento o nmero mdio de falhas em 10 mm deste fio ser 34 e o nmero mdio de
falhas em 100 mm ser 340. (Cf. FARIAS et alli, 2003, p. 90; MONTGOMERY et RUNGER, 2008, p. 69;
LEVINE et alli, 2000, P. 202)
13/16
o nmero esperado (ou a mdia) de clientes chegando em qualquer intervalo de 1 segundo seria
igual a 0,05.
ii)
iii)
Exemplo de modelagem de um processo de Poisson ((Para provar que determinada varivel aleatria tem
distribuio de Poisson, veja BARRY, JAMES, 2006, p. 21 a 26):
Num caixa de uma loja, chega em mdia 1 cliente por hora e a atendente tem capacidade de
atender 10 pessoas por hora. Qual a probabilidade de formar fila nessa loja? Qual o tamanho mdio da
fila?
Exemplo2: Nos sinais de um transmissor ocorrem distores aleatrias a uma taxa mdia de 1 por minuto.
Qual a probabilidade de o nmero de distores em uma mensagem de 3 minutos ser 3 ou mais?
a) Defina uma varivel aleatria X neste experimento e indique o modelo de distribuio de
probabilidades mais adequado para descrever seu comportamento probabilstico.
b) Determine a funo de probabilidade de X e seu respectivo grfico.
c) Determine a funo distribuio de X e seu respectivo grfico.
d) Determine a esperana e a varincia de X. Interprete essas medidas.
e) Qual a probabilidade de observarmos um valor entre a mdia e dois desvios padres? Compare
esse resultado com o obtido atravs da desigualdade de Tchebychev.
14/16
Exemplo3: O fio de uma mquina txtil rompe-se em mdia 1 vez a cada 4 horas de funcionamento
dessa mquina. Calcule a probabilidade de:
a) numa hora o fio se romper menos de 2 vezes;
b) em 8 horas de funcionamento o fio se romper menos de 2 vezes.
Exemplo4: Um certo artigo consome 750 m de fio. Em mdia, o fio rompe 2 vezes a cada 1000m. O lucro
e a qualidade dos artigos esto relacionados da seguinte maneira:
Qualidade
N de emendas
Lucro/artigo
Nenhuma
R$ 5,00
Uma ou duas
R$ 2,00
Mais de duas
R$ 1,00
15/16
n
P( X = x) = . p x .( 1 p) n x , x = 0, 1, 2, ..., n, com 0 < p < 1 .
x
Se n grande (n ) e p pequeno (p 0 ) de modo que a mdia np seja constante, possvel
n x
x e
nx
P( X = x) = lim . p .( 1 p) =
, com = np .
mostrar que lim
n
n x
x!
C K , x .C ( N K ),( n x )
CN, n
com:
N = 1, 2, 3,...
K = 0, 1, 2, ..., N ,
n =1, 2, ..., N
x = mx{0, n+K-N}, ..., min(K,n) e x
K,
onde N o tamanho de uma populao que contm K elementos com uma caracterstica A em estudo, n
o tamanho da amostra retirada ao acaso e sem reposio desta populao e X a varivel aleatria que
conta o nmero de elementos com a caracterstica A nessa amostra.
K
a proporo de elementos com a caracterstica A na populao. Se N for bem maior
N
que n, isto , se o tamanho da populao for bem maior que o da amostra, possvel mostrar que
Seja p =
k N K
.
x
n
n x
lim P( X = x) = lim
= p (1 p) n x , com p = K ,
n
n
N
x
N
n
isto , a distribuio hipergeomtrica pode ser aproximada pela binomial. Isso significa que quando o
tamanho da populao bem maior que o da amostra, a amostragem sem reposio produz resultado
prximo ao da amostragem com reposio.
16/16
EXERCCIOS:
Fazer os exerccios das pginas 67, 68, 76, 77, 83 a 92, 120 a 124, ex 4 e 6 da p. 102, ex 4, 5 e 6 da p.
114 do livro MAGALHES, M.N.; LIMA, A.C. P. Noes de probabilidade e estatstica. 6 ed. So
Paulo: EDUSP, 2008.
REFERNCIAS
DANTAS, Carlos A. B. Probabilidade: um curso introdutrio. 3 ed. So Paulo: EDUSP, 2008.
FARIAS, A. A.; SOARES, Jos F.; CSAR, Cibele C. Introduo estatstica. 2 ed. Rio de Janeiro: LTC, 2003.
JAMES, BARRY R. Probabilidade: um curso em nvel intermedirio, 2 ed., Rio de Janeiro: IMPA, 2006.
LEVINE, David. M.; BERENSON, Mark L.; STEPHAN, David. Estatstica: teoria e aplicaes usando MICROSOFT EXCEL
em portugus. Rio de Janeiro: LTC, 2000.
MAGALHES, Marcos Nascimento. Probabilidade e variveis aleatrias. 2 ed. So Paulo: EDUSP, 2006.
MAGALHES, M.N.; LIMA, A.C. P. Noes de probabilidade e estatstica. 6 ed. So Paulo: EDUSP, 2008.
MONTGOMERY, D. C.; RUNGER, George C. Estatstica aplicada e probabilidade para engenheiros. 2 ed. Rio de Janeiro:
LTC, 2008.